大模型的Function Call能力指的是模型能够根据用户需求，自动调用外部工具或API来完成特定任务的能力。例如，查询天气时调用天气API、执行数学计算时调用计算工具等。这种能力通过结构化输出来触发外部功能，使模型不仅能生成文本，还能执行实际任务。如果DeepSeek-R1不具备Function Call能力，那么就不能使用DeepSeek-R1搭建智能体。
Deepseek官网使用Function Call的例子
使用的模型是"deepseek-chat"，也就是DeepSeek-V3，如果你使用DeepSeek-R1，就会报类似下图的错误"function call is not supported for this model."，具备Function Call底层逻辑就是如上图兼容openai接口支持tools这个参数
1、定制化微调：
若对 DeepSeek-R1 进行微调，可训练其输出特定格式的函数调用指令（类似 GPT 的 Function Calling 微调），但需自行构建训练数据和接口。（资源、数据可不是一般人能搞定的~）
2、外部集成：
DeepSeek-R1 可通过输出结构化指令（如JSON），再编写代码解析并调用外部工具，再将结果返回模型生成最终回答。（我理解这种实现应该最常用，但是比如Langchain这种还需要兼容openai的模型接口）
试试看还有没有别的实现方法，看到一个神奇的点子
非常类似这个开源项目：https://github.com/cameronking4/deepseek-r1-structured-outputs
项目核心提示词：
是不是很简单都看懂了~
不过我试验下来，第2个模型我是使用Qwen2.5，除了用户输入需要先经过Deepseek-R1推理再给Qwen2.5，工具返回的结果也需要先经过R1推理。如果使用Langchain/Langgraph多轮对话的场景，ToolMessage和带tool_calls的AIMessage的消息类型都需要改造，R1是不支持的。
本来想放一个搭建好的使用样例，使用Deepseek-R1支持Function call。但是数据原因不适合放上来，不过也没什么必要，就是有R1和Qwen2个模型的输出，类似R1规划，Qwen再执行。
最后，字节的扣子支持Deepseek-R1工具调用，是什么方案呢~
就到这，除了体力的苦，少数成功的人才能吃得了苦，
独立思考吃脑力的苦
克制忍耐吃自律的苦
读书学习吃孤独的苦
能屈能伸吃尊严的苦
